ARTICLE · 1073468

翻译 App 早就免费了,他们靠一副耳机年入 2 亿

发布时间：2026-09-25 01:44:33 最近访问：2026-09-25 01:44:10

2019 年，深圳一家做翻译硬件的公司，备了近 10 万台货。

众筹数据很漂亮，开售成绩也不错。货发出去，反馈回来了：串音。退货一批批涌进来，公司现金流命悬一线。

这家公司叫时空壶。创始人田力，前华为全球销售部"最年轻的金牌个人"。

到今天，时空壶的产品卖进了 170 多个国家和地区，2024 年营收超 2 亿元，海外营收占比 70%，全球同传设备品类市占率第一。今年 9 月的 IFA，他们刚发布 W4 Plus，搭载 Babel OS 3.0，W4 / W4 Plus / W4 Pro 三线补齐。

▲图片来源：网络

从 10 万台退货到 170 个国家，中间隔着的不是运气，是一堆没人愿意细讲的技术和商业判断。

把翻译塞进耳机，第一道墙根本不是算法

田力最初的设想很朴素：把翻译软件加到蓝牙耳机上。真动手才发现，蓝牙协议先给了他一巴掌。

传统蓝牙耳机通话时只能启动单边麦克风，而双向同传要求两只耳朵同时收音——你说我译、我说你译，中间不传设备、不按键。协议层不支持，就只能自己改。

▲图片来源：网络

更难的是拾音。普通降噪耳机的思路是把外界声音挡掉，翻译耳机恰好相反：它要在开放环境里，从机器轰鸣、餐厅嘈杂、街头风噪中，把说话人那张嘴的声音干净地抠出来。拾不准，后面模型再强都是白搭。后来 W4 上骨声纹，就是为了在噪声里把"谁在说、说了什么"这件事做实。

还有延迟。拾音、识别、翻译、合成、播放，链条上每多一跳就多几百毫秒。面对面聊天里，超过一秒的空白，双方就开始尴尬了。所以翻译耳机的体验上限是整条链路一起决定的，不是换一个更大的模型就能解决。

这条对做 AI 音频硬件的人通用：先确认物理链路和协议撑不撑得住你的交互设想，再谈模型。太多项目死在"算法很美，链路不通"。

近 10 万台备货，差点把自己备死

Zero 那次，众筹和首销的数据给了团队错觉：需求是真的。于是备了近 10 万台。结果串音问题在真实使用里暴露，退货一批批回来。

硬件创业最狠的一刀就在这儿：软件出 bug 可以发版，硬件出问题只能收回来。而且收回来的，是已经变成成本的东西——物料、开模、包装、物流，还有最要命的现金。

事后他们的总结很实在：必须把"双向同传"和"纯净拾音"这两个技术难题啃下来。不是锦上添花，是活下去的前提。

▲图片来源：网络

建议每个 AI 硬件团队在量产前逼自己回答一句：我这个产品的可靠性，是在实验室里验证过的，还是在真实用户手里验证过的？众筹和预售数据好看，从来不等于量产可靠。

小赛道也能长成大树，前提是把一个场景做穿

翻译这个需求，看上去随时会被免费 App 吃掉。时空壶偏不信，硬是把"两个人面对面说话"这一个场景，做了十年。

WT2 之后是 W3、W4，再到今年的 W4 Plus；横向长出 M 系列、T 系列手持翻译机、X 系列多人会议同传终端，覆盖旅行、商务、会议。2025 年"同传翻译人机大战 2.0"，准确率 95%。

真实需求藏在哪儿？泰国罗勇府的汽车工厂里，中泰工人在机器轰鸣中戴着耳机对技术参数；加州一所移民学校的课堂上，五个国家的学生靠耳机同步听英语授课；肯尼亚马赛马拉，游客拿着翻译终端跟向导聊动物迁徙。

这些场景的共同点是：不通，就得停。刚需足够硬，用户才愿意为一副耳机掏几千块。

这条更值得抄：别急着做"AI 硬件平台"，先找一个不通就干不下去的场景，把它做穿。

出海不是把货搬上亚马逊

时空壶的出海路径挺完整，值得按步骤拆：

2017 年 WT2 Plus 上 Kickstarter，1640 名海外用户、近 200 万元——先让海外用户投票，不是先压货；2018 年量产后进亚马逊，做到美国站类目销量第一，拿到渠道信任；再往下铺 Best Buy 这类线下渠道，往东南亚铺 Shopee、Lazada；同时自建独立站，多语言切换、全币种支付，把复购和用户资产留在自己手里；在 TikTok 上做场景化种草，不拍参数，拍"两个语言不通的人怎么聊起来"。

▲图片来源：网络

结果就是海外营收占 70%，欧美贡献六成以上。

这套打法的顺序是关键：众筹验证需求 → 平台电商跑量 → 线下渠道背书 → 独立站沉淀 → 内容做心智。每一步都在给下一步铺路，不是同时开五个战场。

结语

做 AI 硬件这两年，圈子里弥漫着一种疲惫：参数卷不动了，价格战打不动了，投资人问壁垒，家里人问要不要回大厂。项目黄过、方案推翻过、库存压在手上的感觉，做过硬件的人都懂，只是很少有人拿出来说。

时空壶这十年的答案其实不复杂：找到一件"不通就得停"的事，把技术门槛一个个啃掉，用一个场景立住，再让渠道一层层长出来。慢，但每一步都算数。

细分需求从来不等于小生意，它只是需要更长的时间去证明自己。

你手上的 AI 硬件，切的是哪个场景？出海走到哪一步了，卡在哪儿？评论区聊聊，我挑几个典型的，下期拆开讲。

END

相关学习资料